大數據會常用到哪些算法知識？目前大家想學習大數據或是人工智能的東西，也是聽過不少，但是又不知道要如何下手，感覺是一個的很什么都看不清楚、抽象難懂的東西。我常舉一個例子：水果大家都聽過，但是沒見到過，你

大數據會常用到哪些算法知識？

目前大家想學習大數據或是人工智能的東西，也是聽過不少，但是又不知道要如何下手，感覺是一個的很什么都看不清楚、抽象難懂的東西。我常舉一個例子：水果大家都聽過，但是沒見到過，你絕對會辯解我，我看到過啊：香蕉、蘋果、橘子都是水果啊。對，今天今天我們就來聊一聊，大數據，隨便聊聊大數據里面的“香蕉”、“蘋果”、“橘子”；

如何能不能找到這些“水果”？

我個人建議最最有效的是看看大數據相關崗位的招聘要求，簡單啊用近期一個朋友在朋友圈的招聘貼來找“水果”【有興趣的，忙不迭地簡歷砸進來】：

看中圖，講解下：

1、2、3這些基礎知識就況且了，任何一個計算機相關的同學當然都很清楚這些基礎能力：計算機原理、數據結構、網絡技術、信息論等等。

下面重點分析分析:核心的“蘋果”：

一、機器學習和模式識別：具體方法的算法，要注意有以下幾個，工程中很多應用是從這些基礎算法加以改進重新整合來的，（想飛速打聽一下這些基礎算法，幫我推薦一本超薄的書：李航《統(tǒng)計學習方法》，可以利用overview，或者精讀都也可以）：

1、進入虛空算法2、神經網絡3、SVM（支持向量機）4、聚類算法5、降維算法

6、推薦算法

除了舊唐書·憲宗本紀幾種算法外，機器學習界還有其他的如高斯如何判斷，簡樸貝葉斯，決策樹等等算法?？墒巧厦媪械牧鶄€算法是建議使用最多，影響最廣，種類最齊全的典型。

下面做一個總結歸納，通過訓練的數據有無標簽，也可以將上面算法兩類監(jiān)督學習算法和無監(jiān)督學習算法，但推薦算法特有普通，既都屬于監(jiān)督自學，也屬于法律非監(jiān)督去學習，是單獨的一類。

監(jiān)督學習算法：線性回歸，邏輯回歸，神經網絡，SVM

無監(jiān)督學習算法：聚類算法，降維算法

特殊能量算法：推薦算法

除了這些算法以外，有一些算法的名字在機器學習領域中也經常會再次出現。但他們本身并不算是一個機器學習算法，只不過是為了幫忙解決某個子問題而自然誕生的。你是可以再理解他們?yōu)橐韵滤惴ǖ淖铀惴?，應用于小幅度提高能提高訓練過程。其中的代表有：梯度下降法，通常運用在線型輪回，邏輯回歸，神經網絡，推薦算法中；牛頓法，比較多運用在線型重臨中；BP算法，比較多運用在神經網絡中；SMO算法，要注意運用在SVM中

二、自然語言處理：一般來說，自然語言處理的目的是讓機器能夠先執(zhí)行人類所只是希望的某些語言功能自然語言處理是人工智能的武神發(fā)展目標,也差不多可以不分為人類語言的處理(語言學)和機器語言的翻譯。其大體流程是語音識別與合成套裝---語音分析、詞法分析、句法分析、語義分析、語用分析。算法也可以建議參考：

_

應用中常常會都用到這個算法：

TF-IDF（詞頻-逆文檔頻率）算法是一種統(tǒng)計方法，用以做評估一字詞對于一個文件集或一個語料庫中的其中一份文件的重要程度。_fengj/article/details/53699903

三、知識圖譜：這一大塊我沒有誠懇進一步了解過，算法的部分，感興趣這個可以去檢索到下。

以上，千里之行始于足下，大數據算法也不其中之一，把基礎扎實了，碰到工程問題，你也就會抽像出不需要能解決的問題，然后將其分解成基礎的算法問題，你這個可以做出了決定你自己的算法。

大數據分析要以什么分析為基礎？

大數據分析的五個基本上方面

1.數據可視化

大數據分析的可以參照群體數量龐大，所以大數據分析最基本的要求是可視化分析，只不過可視化分析可以不直觀地顯現出大數據的特征，同樣它是可以被讀者輕松得到，類似看圖識字。

2.數據挖掘算法

大數據分析理論的核心是數據挖掘算法，基于條件完全不同數據類型和格式的各種數據挖掘算法也可以更科學一般地呈現出數據本身特征，另一方面這些數據挖掘算法可以不慢了地處理大數據。

3.預測分析

大數據分析的終于應用領域之一是預測分析，從大數據挖掘特征，按照科學確立模型，后再分析和預測未來數據的模型。

4.語義引擎

大數據分析廣泛應用于網絡數據挖掘，是可以從用戶搜索關鍵字，標志關鍵字或其他鍵入語義中結論和確定用戶需求，好利用用戶體驗和廣告匹配。

5.數據質量和數據管理

即便在學術研究那就商業(yè)應用中，大數據分析都與數據質量、數據管理、高質量數據和最有效數據管理緊密的聯系。該領域這個可以可以保證分析什么結果的真實性和價值。